L'adoption des stratégies de sous-traitance internationale chez les PME, une étude de cas multiple
Bibliographic record
Abstract
À l'instar des grandes entreprises, de nombreuses PME industrielles ont adopté des stratégies de sous-traitance dans des pays émergents, dans le but principal de réduire leurs coûts de production, mais aussi pour profiter de l'expertise de leur sous-traitant. Comment sont prises les décisions d'opter pour ces stratégies et quels sont les éléments déterminants accompagnant les choix effectués tout au long du processus de leur adoption par les PME ? L'objectif de cette recherche est de répondre à ces questions à partir d'une étude de cas multiple sur six PME québécoises ayant sous-traité une partie de leur production en Chine. Contrairement à ce que suggèrent les travaux sur les PME et d'après les témoignages des six propriétaires-dirigeants, les entreprises étudiées semblent être moins intuitives dans leurs choix effectués durant les phases de leur processus de prise de décision et d'adoption de la stratégie de sous-traitance internationale. Aussi, notre étude, a permis d'identifier des éléments-clés de la mise en place de ces stratégies, comme le développement d'une relation de confiance et de partenariat avec les fabricants étrangers, la familiarisation avec les pratiques d'affaires et les spécificités culturelles de leur pays ainsi que la régularité de la communication et du suivi des opérations. Finalement, nos résultats montrent que la phase de prospection et de sélection du sous-traitant joue un rôle important dans l'atteinte des objectifs des dirigeants et serait ainsi un facteur clé du succès de leur décision. Nos résultats exploratoires ouvrent la voie à d'autres travaux permettant de mieux comprendre le phénomène d'internationalisation des PME.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.003 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".